Ecognition - Livro Final(1).pdf

Anderson Adailson da da Silva Ana Paula Garcia de Oliveira Antônio Conceição Paranhos Paranhos Filho Alfredo Marcelo Grigio Grigio

USO DO ECOGNITION 8.9 PARA CLASSIFICAÇÃO DE IMAGEM DE ALTA RESOLUÇÃO

2016

Anderson Adailson da Silva Ana Paula Garcia de Oliveira Antônio Conceição Paranhos Filho Alfredo Marcelo Grigio

USO DO ECOGNITION 8.9 PARA CLASSIFICAÇÃO DE IMAGEM DE ALTA RESOLUÇÃO Volume I

Mossoró/RN 2016

Anderson Adailson da Silva Ana Paula Garcia de Oliveira Antônio Conceição Paranhos Filho Alfredo Marcelo Grigio

USO DO ECOGNITION 8.9 PARA CLASSIFICAÇÃO DE IMAGEM DE ALTA RESOLUÇÃO Volume I

Mossoró/RN 2016

Reitor Prof. Pedro Fernandes Ribeiro Neto Vice-Reitor Prof. Aldo Gondim Fernandes Pró-Reitor de Pesquisa e Pós-Graduação Prof. João Maria Soares

Comissão Editorial do Programa Edições UERN: Prof. João Maria Soares Profa. Anairam de Medeiros e Silva (Editora Chefe) Prof. Eduardo José Guerra Seabra Prof. Humberto Jefferson de M edeiros

Catalogação da Publicação na Fonte. Universidade do Estado do Rio Grande do Norte. Silva, Anderson Adailson da Uso do eCognition 8 para classificaçao de imagem de satelite com alta resoluçao. / Anderson Adailson da Silva et al. - Mossoro Mossoro – RN, EDUERN, 2016. 107 p. ; v. I ISBN: 978-85-7621-140-2

1. eCognition 8. 2. Informações geo-espaciais. geo-espaciais. 3. Imagem de satélite satélite – Alta resolução I. Oliveira, Ana Paula Garcia de. II. Paranhos Filho, Antônio Conceição. III. Grigio, Alfredo Marcelo. V. Universidade do Estado do Rio Grande do Norte. VI. Título. Título.

Bibliotecária: Jocelania Marinho Maia de Oliveira CRB 15 / 319

Sobre os autores

Anderson Adailson da Silva Mestre em Ciências Naturais – Programa de Pós-Graduação em Ciências Naturais – PPGCN Universidade do Estado do Rio Grande do Norte - UERN Bacharel em Geografia – Universidade Federal do Rio Grande do Norte -UFRN

Ana Paula Garcia de Oliveira Doutora e Mestra em Tecnologias Ambientais - Programa de Pós-Graduação em Tecnologias Ambientais – PPGTA Universidade Federal de Mato Grosso do Sul - UFMS Bacharel em Ciências Biológicas - Universidade Federal de Mato Grosso do Sul - UFMS

Antônio Conceição Paranhos Filho Doutor e Mestre em Geologia Ambiental- Programa de Pós-Graduação em Geologia – PPGGEO Universidade Federal do Paraná - UFPR Bacharel em Geologia - Universidade Federal do Paraná – UFPR

Alfredo Marcelo Grigio Doutor e Mestre em Geodinâmica - Programa de Pós-Graduação em Geofísica e Geodinâmica – PPGG Universidade Federal do Rio Grande do Norte- UFRN Bacharel e Licenciado em Geografia - Universidade Federal do Paraná – UFPR

CITAÇÃO DO LIVRO No texto: Silva et al. (2016) ou (SILVA et al., 2016) Na lista de referências: Silva, A. A. et al. Uso do eCognition 8 para classificação de imagem de satélite com alta resolução. Mossoró – RN, EDUERN, 2016.

AGRADECIMENTOS Ao CNPQ através do Projeto: MODELO GEOESPACIAL PARA A IDENTIFICAÇÃO DAS ÁREAS DE RISCO A INUNDAÇÃO NA ÁREA URBANA DE MOSSORÓ (RN). Chamada: Universal 14/2012-Processo: 473817/2012-8. Bem como pela Bolsa Pq-2 de ACPF (processo 305300/2012-1). Ao Programa de Pós-graduação em Ciências Naturais – PPGCN. Faculdade de Ciências Exatas e Naturais – FANAT. Universidade do Estado do Rio Grande do Norte – UERN. Ao Núcleo de Estudos Socioambientais e Territoriais – NESAT. Departamento de Gestão Ambiental. Faculdade de Ciências Econômicas – FACEM. Universidade do Estado do Rio Grande do Norte – UERN. Ao Laboratório de Geoprocessamento para Aplicações Ambientais - Faculdade de Engenharias, Arquitetura e Urbanismo e Geografia, Universidade Federal de Mato Grosso do Sul - UFMS.

FABRICANTE Produto: eCognition® (Trimble®) Site: http://www.ecognition.com/ Representante no Brasil: THREETEK – Soluções em Geomática Rua México, 41 17º andar - Centro 20031-144 - Rio de Janeiro - RJ Fone: +55 21 2217-6900 Site: www.threetek.com.br/

Importante : os autores se responsabilizam pelo conteúdo descrito neste livro. Todas as marcas utilizadas são propriedade de seus fabricantes e /ou criadores. O objetivo dos autores foi produzir um material de apoio e referência na utilização do software eCognition (Trimble ®) de forma prática, contribuindo de forma positiva com o fabricante, pois assim, teremos ainda mais usuários com interesse em tal produto. Ao mesmo tempo que se dissemina conhecimentos na “Globosfera Digital”.

SUMÁRIO INTRODUÇÃO ............................................................................................................................................. 6 PARTE I ........................................................................................................................................................ 8 A - Iniciação do software ............................................................................................................................................ 8 B – Criação do Projeto para execução .................................................................................................................. 9 C – Composição da imagem ................................................................................................................................... 11 D – Inserção de Árvore de Processo .................................................................................................................. 12 E – Inserção de Parâmetros de Segmentação ............................................................................................... 13 F – Execução de Parâmetros .................................................................................................................................. 16 G – Parâmetros para nova segmentação ......................................................................................................... 17 H – Inserção base para a classificação .............................................................................................................. 18 I – Inserção das Classes ............................................................................................................................................ 19 J – Definição do Algoritmo Classificador ......................................................................................................... 20 K – Definição das Bandas a Usar na Classificação ....................................................................................... 21 L – Coleta de Amostras de Treinamento.......................................................................................................... 22 M – Inserção de Parâmetros para Classificação ........................................................................................... 22 N – Execução da Classificação ............................................................................................................................... 23 O – Visualização da Classificação ........................................................................................................................ 24 P – Edição da Classificação ..................................................................................................................................... 25 Q – Unir de polígonos das classes ....................................................................................................................... 25 R – Visualização com a ferramenta Swipe view. .......................................................................................... 27 S – Exportação dos Resultados ............................................................................................................................. 30 T – Visualização do resultado ............................................................................................................................... 33

PARTE II ..................................................................................................................................................... 35 A – Iniciação do Software ........................................................................................................................................ 35 B – Criação do Projeto .............................................................................................................................................. 36 C – Composição de bandas ..................................................................................................................................... 36 D – Inserção de Árvore de Processo .................................................................................................................. 38 E – Inserção de Parâmetros de Segmentação ............................................................................................... 39 F – Definição das Classes do Vetor ..................................................................................................................... 42 G – Classificação do vetor por atributos .......................................................................................................... 42 H – Execução dos procedimentos ....................................................................................................................... 48 I – Exportação do Resultado .................................................................................................................................. 49 J – Abertura do Projeto Criado ............................................................................................................................. 52

K – Inserção de level na árvore de processo .................................................................................................. 52 L – Parâmetros de Segmentação ......................................................................................................................... 54 M – Execução do Processamento ........................................................................................................................ 56 N – Novos Parâmetros e Nova Segmentação ................................................................................................. 57 O – Criação da “base” Classificação .................................................................................................................... 59 P – Criação das Classes para a Classificação .................................................................................................. 60 Q – Definição do Algoritmo Classificador ........................................................................................................ 62 R – Definição das Bandas a Serem Usadas na Classificação ................................................................... 63 S – Coleta das Amostras de Treinamento........................................................................................................ 64 T – Inserção de Parâmetros de Classificação com Restrição ................................................................. 66 U – Execução do Procedimento ............................................................................................................................ 68 V – Visualização do Resultado com a Ferramenta Swipe View ............................................................ 69 X – Exportação dos Resultados ............................................................................................................................ 72 W – Visualizando o Resultado .............................................................................................................................. 76

PARTE III ................................................................................................................................................... 78 A – Iniciando o Software ......................................................................................................................................... 78 B – Criação do Projeto .............................................................................................................................................. 79 C – Composição das Bandas ................................................................................................................................... 80 D – Inserção da Árvores de Processos .............................................................................................................. 81 D – Inserção de Processos e Parâmetros ......................................................................................................... 82 E – Calculando o NDVI .............................................................................................................................................. 84 F – Rotulação de segmentos por valores do NDVI ...................................................................................... 87 G - Utilizando NDVI Produzido em Software Externo ............................................................................... 88 H - Adicionando a Imagem ndvi.tif ao Projeto ............................................................................................. 89 I – Inserindo Árvore de Processo ........................................................................................................................ 92 J – Inserção de Parâmetros .................................................................................................................................... 94 K – Identificação de Segmentos por Valores ................................................................................................. 95 L – Procedimento para Classificação ................................................................................................................. 98 M – Execução do Procedimento ........................................................................................................................ 102 N – Exportação do Resultado ............................................................................................................................. 104 O – Visualização dos Resultados ....................................................................................................................... 106

INTRODUÇÃO

Com a evolução das geotecnologias, atualmente é possível uma análise mais eficiente dos ambientes, onde novas técnicas permitem seu conhecimento e, através do classificador orientado a objeto, que utiliza o princípio da segmentação com intuito de homogeneizar as informações, facilita a análise da imagem. Essa técnica tem sido comumente empregada em imagens de alta resolução, principalmente para áreas urbanas. Orientada a objeto constitui-se em uma linguagem SIMULA67 (é uma linguagem de programação, derivada da ALGOL 60, criadas entre 1962 e 1968 por Kristen Nygaard e OleJohan Dahl no Centro Norueguês de Computação em Oslo (SEBESTA, 2011)) de programação a qual é projetada para abordar diretamente a solução de problemas. Passou por várias mudanças desde a década de 60, e atualmente existem outras linguagens, como Java, Eiffel, CC++, etc. (MANSSOUR, 2002). A entidade de análise principal do modelo Orientado a Objeto será o objeto, o qual estará nos

procedimentos de programação enviando mensagens e executando

processamentos (MANSSOUR, 2002). Farinelli (2007, p. 4) comenta que: “a proposta da orientação a Objetos é representar o mais fielmente possível as situações do mundo real nos sistemas computacionais”.

Orientação a objeto pode ser entendida, no âmbito da imagem, como a análise da relação de um objeto com os seus objetos vizinhos. Define-se objeto como o elemento da imagem constituído de relações espaciais, os quais podem se agregar a objetos maiores, criando-se níveis de segmentação (ANTUNES e STURM, 2005). A lógica de orientação a objeto preconiza as características semânticas dos objetos, que podem ser analisadas de acordo com seus aspectos geométricos e temáticos, respectivamente. O primeiro compreende topologia, forma e posição, o segundo atributos não espaciais dos objetos (ANTUNES, 2003). A classificação orientada objeto por ser eficiente no processo de segmentação, pois não leva em conta apenas o digital number do pixel a ser classificado, mas também dos pixels ao seu redor procurando por similaridades estatísticas, agrupando estes conjuntos (PARANHOS FILHO, 2008). Contudo é uma alternativa para distinguir alvos que não podem ser separados somente com informação espectral, pois a classificação orientada objeto leva em conta informações adicional de forma e textura (ANTUNES et. al, 2003). 6

Contudo nesse trabalho, o software abordado para a classificação orientado a objeto é eCognition (DEFINIENS, 2002; DEFINIENs, 2009), no sentido mais prático da utilização do mesmo. Explicitando alguns termos e técnicas usadas para se obter um resultado satisfatório. Além da classificação automática, o eCognition (DEFINIENS, 2002; DEFINIENS, 2009) também permite que o usuário realize o processo de classificação totalmente visual, o que permite aplicar a fotointerpretação considerando a resposta espectral, pois o software analisa o pixel baseado no seu contexto e não isoladamente, reconhecendo os grupos de pixels como objetos (TRIMBLE, 2014). Esse e outros algoritmos serão aqui discutidos com o intuito de auxiliar o leitor a extrair o máximo de informação com máxima eficiência dos mais variados sensores remotos.

REFERÊNCIAS ANTUNES, A. F. B e STURM, U. 2005. Segmentação orientada a objeto aplicado ao monitoramento de ocupações irregulares em áreas de proteção ambiental. Anais XII Simpósio Brasileiro de Sensoriamento Remoto, Goiânia, Brasil, 16-21 abril 2005, INPE, p. 2019-2026. ANTUNES, A.F.B. 2003. Object oriented analysis and semantic network for high resolution image classification. Boletim de Ciências Geodésicas . Volume 9, n 2. DEFINIENS, 2002. Ecognition version 2.0 . Trimble Germany GmbH, Arnulfstrasse 126, 80636 Munich, Alemanha. DEFINIENS, 2009. eCognition Developer 8 . Trimble Germany GmbH, Arnulfstrasse 126, 80636 Munich, Alemanha. FARINELLI, F. Conceitos básicos de programação orientada a objetos . Apostila – Departamento Acadêmico de Ciência da Computação - IFMG, 35 p., 2007. Disponível em: http://sistemas.riopomba.ifsudestemg.edu.br/dcc/materiais/1415858715_POO.pdf MANSSOUR, I. H. Paradigma orientado a objeto . Aula 12 da Apostila da disciplina Paradigmas de Linguagens I. Faculdade de Informática - Pontifícia Universidade Católica do Rio Grande do Sul/PUCRS, 6 p., 2002. Disponível em: http://www.inf.pucrs.br/~gustavo/disciplinas/pli/material/paradigmas-aula12.pdf PARANHOS FILHO, Antônio Conceição. 2008. Sensoriamento remoto ambiental aplicado : introdução às geotecnologias: material didático – Campo Grande/ MS: Ed UFMS; p 103 -140. SEBESTA, R. W. Conceitos de Linguagem de Programação. 9º ed. ARTMED Editora S.A: Porto Alegre – RS, 2011. Google Books, 2014. Web. Acessado em: 04.02.2014. TRIMBLE. 2014. Trimble Geospatial Imagem . eCognition Developer. Disponível em: . Acesso em: 04 de maio de 2014. 7

PARTE I A - Iniciação do software 1. Vá ao menu iniciar -> todos os programas -> Trimble -> Ecognition -> clique para abrir o software (01). Será aberta uma janela (02), marque a janela Rule Set Mode (à direita) e depois clique em OK . OBS.: Realizado no Windows Seven.

2. Você agora estará com o software aberto. Deveremos escolher a configuração das abas dos processos (Rule Sets). Neste caso, usaremos a de número 4.

Sua tela deverá aparecer da forma como a imagem acima, agora temos que ajustar manualmente as posições das abas.

8

Coloque o mouse entre as abas (local indicado pelas setas), quando o ícone do mouse mudar para duas linhas com setas opostas, arraste-o para o lado direito, deixando o tamanho que desejar. Mas lembre-se que será nessas caixas que estarão às descrições dos processos.

B – Criação do Projeto para execução 3. Criar o projeto para execução dos processos. Vá ao menu File, e procure por New Project , clique sobre. Será aberta uma nova janela, onde deve ser criado o projeto e inserido a imagem base para o trabalho. Agora vá ao local Imagem Layers Alias , ao lado direito tem um item “Insert ”, clique nele e procure pela imagem a ser trabalhada, no diretório, onde ela se encontra (No caso deste tutorial - C:Dados_Ecognition\Cena.tif ) ou onde você tenha salvo sua imagem para trabalho. No campo Project Name , renomeie para sua preferência (Neste caso, chamaremos de tutorial). Depois deixe o restante como padrão e clique em OK .

9

4. Caso sua imagem tenha uma área de abrangência grande, o que pode tornar o processamento lento, tendo em vista que nesse primeiro momento você estará realizando teste dos parâmetros para ver qual tem melhor resultado. A “lentidão” pode acontecer por causa da “potência” de sua máquina e o tamanho da sua imagem (MB, GB, etc.). O melhor a se

fazer é reduzir a área a ser trabalhada no software. Vá ao menu file, e procure por Modify Open Project e será aberta a janela do processo com os dados. Clique na aba Subset Selection e será aberta uma nova janela para delimitação da sua área para realização dos processos.

10

Com a nova janela aberta, clique com o botão esquerdo sobre a imagem, e araste-o até outro ponto e solte-o, perceba que será delimitada uma área, então esta será sua área que aparecerá no painel para realização dos processos. Depois clique em OK nas janelas seguintes.

C – Composição da imagem 5. Agora você poderá visualizar sua nova área a ser trabalhada. Para melhor identificar as feições da imagem, o software permite que você mude a composição da imagem. Vá à barra de ferramentas e procure por Edit Image Layer Mixing, clique sobre e será aberta uma janela com o mesmo nome. Nesta janela você observará as camadas (bandas) existentes na imagem, na posição horizontal os layers e na vertical os canais RGB, onde podem ser marcadas e definidas as composições. Depois de escolher a melhor composição para visualização (neste caso será: 4 ->R / 3 ->G / 2 ->B). Deixe os parâmetros restantes como padrão (Equalizing -> Linear (1.00)) e clique em OK .

11

Obs. Lembre-se de marcar os canais/bandas que se quer e depois desmarcar os canais/bandas que nãos serão utilizados. Pois se não o software entende que você quer utilizar todos que estejam marcados na composição. Neste momento, lembrar sempre de salvar o projeto constantemente. Basta clicar no item Save Project na barra de ferramentas.

D – Inserção de Árvore de Processo 6. Agora serão inseridos os processos a serem realizados na caixa Process Tree. Clica com o botão direito sobre o espaço em branco dentro da caixa, seleciona a opção Append New , surgirá uma nova janela para inserção dos parâmetros. Nesta primeira, faz apenas a alteração do nome para o processo desejado e deixa o restante como padrão. Neste momento estamos criando nossa “base de processo”, ou seja, alguns processos estarão separados por “base”. Questão de organização e para evitar problemas.

12

Neste caso, o primeiro processo será o de segmentação da imagem, o nome que será criado é Segmentation. Depois é só clicar em OK , não clique em execute.

Na caixa Process Tree deverá aparecer como na imagem abaixo:

E – Inserção de Parâmetros de Segmentação 7. Agora iremos inserir os parâmetros para segmentação da imagem. Será inserido em forma de uma ligação de processo. Clique com o botão direito sobre o nome que foi criado (Segmentation) e seleciona a opção Insert Child. Aparecerá uma nova janela idêntica ao do

13

passo anterior, mas neste momento iremos definir qual tipo de processo (algoritmo) de segmentação será utilizado e em seguida os parâmetros. Vá ao item Algorithm e logo abaixo à direita tem uma seta, clique sobre ela e se abrirá os vários tipos de processos disponíveis. Procure por multiresolution segmentation e selecione-o.

Quando selecionar o processo desejado, dentro da própria janela aparecerão vários campos para inserção dos parâmetros desejados para o algoritmo selecionado. Como padrão a janela deverá aparecer da forma abaixo:

Agora define-se os parâmetros para o processo (Algoritmo) utilizado: Em Image Objet Domain ficará como padrão. 14

No item Level Settings , dá-se o nome desejado para o level (nível) de execução deste processo. Coloca-se neste caso Level 1. Em Segmentation Settings define três parâmetros, primeiro primeiro o peso para cada banda da imagem (Image Layer weights), o ideal é que o peso fique entre 0 a 1. Podem ser utilizados outros valores, caso deseje.

Obs.: Isto é importante para casos em que o alvo de interesse tenha melhor resposta em um destas bandas. Necessário conhecimento do satélite e do sensor que gerou a imagem a qual está sendo trabalhada, para uma melhor definição. E quantas bandas existem na composição que está sendo utilizada no momento. No segundo, segundo, define-se se deseja utilizar uma camada temática (Thematic Layer usage ), que deveria ser introduzida no momento da criação do projeto. Como não se utilizará deste neste projeto, deixamos como padrão sem marcar. Na terceira opção temos o parâmetro de escala (Sacle parameter), este definirá o tamanho dos segmentos a serem gerados, ou seja, quanto maior o valor adicionado maior será o tamanho do meu segmento definido. Neste caso define-se o tamanho 20. Em Composition of Homgeneity Criterion define-se os valores de parâmetros para forma (shape) para 0.3 e compacidade (Compactness) para 0.8.

Obs.: Lembrando que estes parâmetros introduzidos foram definidos a partir de tentativas e erros. E que se aplica a imagem GeoEye-1 em ambiente intra-urbano e com as condições atmosféricas e climáticas locais. Realizar tentativas de parâmetros diferentes, caso queira aplicar em outras imagens de outros satélites.

15

F – Execução de Parâmetros Agora você terá duas opções: mandar executar diretamente desta tela ou clicar em ok, e depois na caixa Process Tree clicar sobre a camada gerada com o botão direito e escolher execute. Vamos realizar esta segunda opção.

Aguarde o processo concluir e veja o resultado da segmentação com os parâmetros utilizados, sempre lembrando que se podem ser utilizados outros parâmetros diferentes do que foi usado aqui, principalmente se forem imagens de outros satélites, ou que sejam para aplicações diversas. Ao final sua tela deverá aparecer algo parecido com a imagem abaixo.

Você poderá manipular o zoom da sua imagem para verificar se os segmentos satisfazem a necessidade do seu trabalho. 16

G – Parâmetros para nova segmentação 8. Agora aplica uma nova segmentação sobre a segmentação já executada na tentativa de aprimorar os segmentos para a classificação. Neste momento, utilizaremos o Algoritmo Spectral Difference Segmentation onde ele unirá os segmentos a partir da diferença espectral definida como parâmetro. Clique com o botão direito sobre a “base” Segmentation e escolha Insert Child (Como no passo anterior). Em Algorithm escolha Spectral Difference Segmentation.

Deixe os dados como padrão da forma que esta na imagem abaixo e altera apenas o valor de Maximum spectral difference para o valor de 40. Lembrando que podem ser utilizar outros valores caso deseje.

17

Agora você terá duas opções: mandar executar diretamente desta tela ou clicar em ok, e depois na caixa Process Tree clicar sobre a camada gerada com o botão direito e escolher execute. Vamos realizar a primeira opção.

Foi possível observar que ocorreu a união de alguns segmentos, basta utilizar o zoom para notar a diferença, neste caso foi perceptível pelas avenidas. Poderíamos testar outros valores, mas vamos manter este aqui.

H – Inserção base para a classificação 9. Vamos inserir nossa “base” para classificação. Clique com o botão direito na parte vazia da caixa Process Tree clique em Append New e defina o nome Classification. Clica em OK .

18

Selecione classification dentro da caixa Process Tree e deixe-a no mesmo alinhamento da “base” segmentation. Isto impede que o processo seja executado dentro desta base, o que poderá acarretar problemas e desta maneira se torna um pouco mais organizado.

I – Inserção das Classes 10. Por momento não utilizaremos a “base” classification. Criaremos as classes para a classificação. O importante neste momento é ter conhecimento do ambiente a que pretende se classificar. Pois é preciso indicar amostras de treinamento para cada classe. Na caixa Class Hierarchy clique com o botão direito e selecione Insert Class. Será aberta uma nova janela, defina o nome da classe e a cor desejada. Repita esta mesma operação para todas as demais classes. Neste caso foi definida as seguintes: Água, Asfalto, Concreto, Pavimento Rua, Solo Exposto, Sombra, Telhado Cerâmica, Telhado Concreto, Telhado Metal, Vegetação Arbórea Arbustiva, Vegetação Herbácea/Rasteira. Poderia se hierarquizar as classes, mas para o momento deixamos da forma como mostra a imagem.

19

J – Definição do Algoritmo Classificador 11. Agora iremos selecionar o algoritmo classificador para as classes. Será definido apenas um para todas as classes. Vá até a aba Classification na barra de ferramentas e procure por Nearest Neighbor, coloca o mouse sobre este e depois seleciona Apply Standard NN to Classes.

Aparecerá uma nova janela, clique sobre ALL ----> >, neste momento estará selecionando todas as classes para fazerem parte do classificador.

Caso deseje excluir ou incluir alguma classe em seu projeto, basta dar duplo clique sobre a classe de interesse.

20

K – Definição das Bandas a Usar na Classificação 12. Com o classificador definido para as classes, chegou o momento de apontar para o classificador, quais bandas da imagem ele utilizará no processo classificatório. Vá a caixa Class Hierarchy dê um duplo clique sobre qualquer classe, será aberta uma nova janela (Class Descrition), onde é possível observar o algoritmo de classificação ( Standard Nearest Neighbor (generated)) na caixa ALL. Dê um duplo clique sobre o nome do classificador, será aberta outra janela ( Edit Standard Nearest Neighbor Feature Space). Expanda clicando no “mais” de Object feature  Layer Values  Mean, agora clique sobre

as bandas que deseja que o classificador utilize no processo.

E depois é só clicar em OK, ele já estará disponível para todas as outras classes, caso queira conferir é só dar um clique duplo sobre outra classe e ver que as bandas estão designadas para o classificador. Só dar novamente um clique sobre o OK .

21

L – Coleta de Amostras de Treinamento 13. Agora é a hora de coletar as amostras de treinamento para a classificação. Sendo importante a coleta de amostras dispersas por toda a imagem para uma maior homogeneização de cada classe por toda a cena. No ecogniton ele o chama de sample . Primeiro selecione uma classe na caixa Class Hierarchy, depois vá à aba Classification na barra de ferramentas e procure por Samples coloque o mouse sobre e selecione a opção Select Samples. Pronto, agora já pode coletar as amostras para a classe selecionada. Depois de finalizar a primeira classe, basta mudar a seleção da classe na caixa Class Hierarchy e realizar a coleta para a classe selecionada no momento. Segue sucessivamente até a última classe está com suas amostras coletadas. Ao final, você terá uma imagem com as amostras (samples) destacadas, você pode definir como visualizar as samples.

Observe que as amostras já ficaram com a cor definida para a classe a qual foi indicada.

M – Inserção de Parâmetros para Classificação 14. Agora vai se inserir os parâmetros para classificação. Clique o botão direito sobre a “base” Classification e escolha Insert Child, para inserção do processo. Será aberta uma nova janela (Edit Process), vá para algorithm e procure por classification dentro dos processos basic classification, e selecione-o.

22

Agora vamos inserir os parâmetros, mas neste caso será alterado apenas o parâmetro Active Class, clique sobre a opção de abrir este item, será aberta uma nova janela com as classes a serem selecionadas, seleciona todas as classes que foram coletadas as amostras (samples). Depois clique em OK.

N – Execução da Classificação Agora temos a opção de executar diretamente ou escolher OK e mandar executar depois. Vamos seguir a segunda opção. Clique OK . 23

Sobre o processo que se instala abaixo da “base”, clique com o botão direito e clique em

execute e aguarde o processamento para analisar o resultado.

O – Visualização da Classificação Quando terminar de executar clique na opção View Classification na barra de ferramentas para visualizar a classificação. Nos ícones ao lado deste, você pode clicar para alternar a forma de visualização.

24

P – Edição da Classificação Para editar algum aspecto da classificação vá à aba Tools na barra de ferramentas e até Manual Editing e coloque o mouse sobre, abrirá algumas opções de edição dos polígonos e união deste, enfim você conseguirá executar alterações básicas.

Q – Unir de polígonos das classes 15. Agora vamos unir os segmentos dentro de cada classe correspondente na classificação com a ferramenta Merge Region. Clique com o botão direito na caixa Process Tree e selecione Append New, na janela que se abre em Algorithm escolha merge region.

25

Na seção que aparece na janela, deixe quase tudo como padrão, procure apenas por class filter, expando-o e escolha apenas uma classe para unir os segmentos e depois dê OK e clique em Execute. Neste caso, utilizaremos a classe Vegetação Arbórea-Arbustiva por questão de visualização.

Depois repita a operação para todas as outras classes, no final você terá uma classificação com as classes. Independentes se estão ligados ou não.

26

Visualize na imagem abaixo o resultado final já com todas as classes.

R – Visualização com a ferramenta Swipe view. 16. Verificar o resultado da classificação com a ferramenta Swipe view. Vá ao item Windows na barra de ferramentas e seleciona Split .

Agora quando mover o mouse na área de visualização do layer, você verá duas linhas se cruzando no ponteiro do mouse. Clique centralizado na imagem. Neste momento você dividirá sua tela de visualização, em quatros telas menores. Sua tela deverá aparecer como na imagem abaixo:

27

Neste caso precisaremos utilizar apenas duas telas para utilizar a ferramenta swipe view. Vá ao item Windows novamente e desmarque uma das duas opções, entre Split Horizontally e Split Vertically. Caso desmarque a primeira opção, sua tela aparecerá lado a lado. Caso opte pela segunda sua tela aparecerá acima e abaixo. Neste vamos desmarcar Split Horizontally.

Veja como a tela fica na imagem abaixo:

28

Neste momento você estará com duas telas de visualização. Clique sobre a primeira e você verá uma borda azul, identificando em qual tela você está utilizando no momento. Então vamos mudar a visualização da primeira. Vá ao local onde ficam os itens de visualização de classificação e marque View Layer, neste momento você verá uma tela com a imagem e na outra com a classificação.

Agora vamos acionar a ferramenta Swipe View para que se possa verificar o resultado da classificação. Vá ao item Windows e procure por Swipe View , marque-a. Agora você poderá mover uma tela sobre a outra, movendo a barra central na direção que desejar para verificar o resultado.

29

Para desativar esta forma de visualização, basta ir ao item Windows e desmarcar o nome Split . A tela voltará para visualização completa.

S – Exportação dos Resultados 17. Exportar os resultados para um arquivo vetor. Vá ao item Export na barra de ferramentas e clique em Export Results. Será aberta uma janela de exportação do arquivo.

Nessa janela serão colocados os parâmetros para exportação do vetor. Em Export Type deixe o padrão Shape file. 30

Em Content Type Coloque Polygon smothed. Em Format deixe Shapefile (*.shp). Em Level coloque Level 1. Em Export File Name digite um nome para o arquivo que será exportado. Neste caso será utilizado o nome Classification.

Na caixa Classes clique na parte inferior em Select classes e selecione as classes que deseja exportar, dando dois cliques sobre elas, ou selecionando todas de uma vez, clicando em ALL-> e depois clique em OK .

31

Agora vamos indicar o que desejamos que seja exportado junto às classes na tabela de atributos. Vá à caixa Features e na parte inferior e clique em Select features. Será aberta uma nova janela. Expanda Class-Related features Relations to classification Class name e clique sobre Create New “Classe name”, será aberta uma nova janela, apenas confirme clicando em OK, deixando tudo como padrão. Depois clique em Ok .

Agora clicará no nome Export e será aberta a janela do Explorer para que seja indicado o local de salvamento do arquivo. Neste caso, utilizaremos a pasta Dados_Ecognition dentro do Disco C:. Depois é só selecionar a pasta e dá o OK. Será realizado o processo e então o arquivo estará salvo.

32

T – Visualização do resultado 18. Visualizando o resultado em outro software, abrir no QGIS 2.0 Dufour para visualizar o arquivo vetor. Adicione o vetor e visualize o resultado.

O resultado final pode conter algumas imperfeições neste caso, pois foi realizada apenas uma classificação básica, sem levar em consideração as inúmeras possibilidades de utilização de condicionantes na identificação de determinados alvos no ambiente deste software. Além do que o ambiente utilizado foi o urbano, com uma imagem de alta resolução, o que dificulta ainda mais a identificação por um processo básico, pois no ambiente urbano são inúmeras as repostas espectrais existentes, o que pode confundir o segmentador e o classificador.

33

USO DE LAYER TEMÁTICO PARA DELIMITAÇÃO DA SEGMENTAÇÃO E DA CLASSIFICAÇÃO

34

PARTE II A – Iniciação do Software 1. Vá ao menu iniciar -> todos os programas -> Trimble -> Ecognition -> clique para abrir o software (01). Será aberta uma janela (02), marque a janela Rule Set Mode (à direita) e depois clique em OK . OBS.: Realizado no Windows Seven.


Sua tela deverá aparecer da forma como a imagem acima, agora temos que ajustar manualmente as posições das abas. 35


B – Criação do Projeto 3. Criar o projeto para execução dos processos. Vá ao menu File, e procure por New Project , clique sobre. Será aberta uma nova janela, onde deve ser criado o projeto e inserido a imagem base para o trabalho. Agora vá ao local Imagem Layers Alias , ao lado direito tem um item “Insert ”, clique nele e procure pela imagem a ser trabalhada, no diretório, onde ela se encontra (No caso deste tutorial - C:Dados_Ecognition\Cena.tif ) ou onde você tenha salvo sua imagem para trabalho. Agora vá ao local Thematic Layer Alias , ao lado direito tem um item “Insert ”, clique nele e procure pela imagem a ser trabalhada, no diretório, onde ela se encontra (No caso deste tutorial - C:Dados_Ecognition\Quadras.shp) ou onde você tenha salvo seu arquivo vetor. No campo Project Name, renomeie para sua preferência (Neste caso, chamaremos de tutorial2). Depois deixe o restante como padrão e clique em OK .

C – Composição de bandas Para melhor identificar as feições da imagem, o software permite que você mude a composição da imagem.

36

Vá à barra de ferramentas e procure por Edit Image Layer Mixing, clique sobre e será aberta uma janela com o mesmo nome. Nesta janela você observará as camadas (bandas) existentes na imagem, na posição horizontal os layers e na vertical os canais RGB, onde podem ser marcadas e definidas as composições. Depois de escolher a melhor composição para visualização (neste caso será: 4 ->R / 3 ->G / 2 ->B). Deixe os parâmetros restantes como padrão (Equalizing -> Linear (1.00)) e clique em OK .

Obs. Lembre de marcar os canais/bandas que se quer e depois desmarcar os canais/bandas que nãos serão utilizados. Pois se não o software entende que você quer utilizar todos que estejam marcados na composição. Neste momento, lembrar sempre de salvar o projeto constantemente. Basta clicar no item Save Project na barra de ferramentas.

37

D – Inserção de Árvore de Processo 4. Agora serão inseridos os processos a serem realizados na caixa Process Tree. Clica com o botão direito sobre o espaço em branco dentro da caixa, seleciona a opção Append New , surgirá uma nova janela para inserção dos parâmetros. Nesta primeira, faz apenas a alteração do nome para o processo desejado e deixa o restante como padrão. Neste momento estamos criando nossa “base de processo”, ou seja, alguns processos estarão separados por “base”. Questão de organização e para evitar problemas.

Neste caso, o primeiro processo será o de segmentação da imagem, o nome que será criado é Segmentation. Depois é só clicar em OK , não clique em execute.

Na caixa Process Tree deverá aparecer como na imagem abaixo:

38

E – Inserção de Parâmetros de Segmentação 5. Agora iremos inserir os parâmetros para segmentação da imagem. Será inserido em forma de uma ligação de processo. Clique com o botão direito sobre o nome que foi criado (Segmentation) e seleciona a opção Insert Child. Aparecerá uma nova janela idêntica ao do passo anterior, mas neste momento iremos definir qual tipo de processo (algoritmo) de segmentação será utilizado e em seguida os parâmetros. Vá ao item Algorithm e logo abaixo à direita tem uma seta, clique sobre ela e se abrirá os vários tipos de processos disponíveis. Procure por chessboard segmentation e selecione-o.


39

Agora define-se os parâmetros para o processo (Algoritmo) utilizado: Em Image Objet Domain ficará como padrão. No item Algorithm parameters: Em Object Size , altera-se o valor para 100000. Isto definirá o tamanho máximo de cada objeto a ser criado na segmentação. Em Level Name, dá-se o nome desejado para o level (nível) de execução deste processo. Coloca-se neste caso Level 1. Em Overwrite existing level , defina Yes, caso já esteja, deixe como padrão. No item Thematic Layer usage, expando-a até abrir outro item Thematica Layer 1, selecione Yes. Desta forma, define-se o Layer como parâmetro para segmentação. Utilizando a camada que foi adicionada na criação do projeto. Com os parâmetros alterados, dê OK .

OBS.: O algoritmo de segmentação utilizado permite a geração de objetos com formas geométricas mais bem definidas e delimitadas. Tendo uma forma quadrática de segmentação. Agora você terá duas opções: mandar executar diretamente desta tela ou clicar em ok, e depois na caixa Process Tree clicar sobre a camada gerada com o botão direito e escolher execute. Vamos realizar esta segunda opção.

Aguarde o processo concluir e veja o resultado da segmentação com os parâmetros utilizados. Ao final sua tela deverá aparecer algo parecido com a imagem abaixo. 40

Observe que foram gerados segmentos “grandes”, mas que levou em consideração o Layer Temático (Arquivo vetor) que inserimos na criação do projeto como base para geração dos objetos. Você poderá alternar a visualização dos resultados através das ferramentas mostradas na figura abaixo.

41

F – Definição das Classes do Vetor 6. Agora será realizada uma classificação para as quadras, onde será utilizada os atributos da tabela de informação contida no vetor, a qual irá designar cada tipo de quadra. Neste caso, foi criado hipoteticamente o que seria cada quadra, dando-lhes a definição de Residencial e Comercial. Tendo em, vista que não foi feito nenhum estudo para defini-las. E observando a necessidade deste dado para a produção do presente material. Mas lembrando de que este procedimento pode ser realizado para casos reais. Agora teremos que criar uma classe para poder ser classificada pelo atributo do vetor. Vá até a caixa Class Hierarchy clique com o botão direito e selecione Insert Class, na caixa que se abre digite um nome e uma cor. Neste caso, colocamos o nome Residencial e a cor Cinza; e Comercial e a cor Vermelha. Depois clique em OK .

G – Classificação do vetor por atributos Agora vamos classificar a partir dos atributos. Clique com o botão direito sobre a base Segmentation e selecione Insert Child. Em Algorithm procure por assign class e selecione-o.

42

Em Image Objetc Domain, deixe como padrão. Ou caso não esteja coloque image object level. Logo abaixo, em Level, verifique se está o nível (level) que criamos lá no início – Level 1. Em class filter, deixe como padrão (nome). Clique sobre o item com três pontinhos à frente de Threshold condition e irá abrir uma caixa de diálogo (Select Single Feature). Procure por Thematic atributes e expando-o. Clique sobre o item, Create new ‘Thematic object attribute’.

Neste momento será aberta outra caixa de diálogo ( Create Thematic object atribute). Aonde você irá até o item Thematic layer atribute e procure pelo Atributo, que neste caso é a coluna onde contém as informações desejadas no Layer. Neste caso, está com o nome atributos, selecione-o e depois clique em Ok. 43

Observe que na caixa de diálogo (Select Single Feature) foi atribuído um novo item com o nome dado a coluna que foi selecionado no passo anterior.

Dê um duplo clique sobre o nome atributos. Será aberta uma nova caixa de diálogo ( Edit Thresold condition). Observe se no item feature se encontra o nome da coluna junto com o nome do layer temático. Logo abaixo você verá outro item com o nome Threshold settings, marque a opção de igual (=). Depois vá até a caixa logo abaixo onde se encontra o valor zero e digite o nome do atributo que se queira destacar. Neste caso, utilizaremos o Residencial. Lembrando que o nome deve estar entre aspas ( “Residencial”) e ser exatamente igual ao encontrado na coluna da tabela do arquivo vetor. Depois clique em Ok .

44

Em Parameter onde se encontra o item Use class, procure na lista pelo nome da classe criada (Residencial), selecione-a. Depois clique em Ok .

Agora repita o procedimento do passo anterior para o outro atributo (Comercial). Ver abaixo: Clique com o botão direito sobre a base Segmentation e selecione Insert Child. Em Algorithm procure por assign class e selecione-o. 45

Em Image Objetc Domain, deixe como padrão. Ou caso não esteja coloque image object level. Logo abaixo, em Level, verifique se está o nível (level) que criamos lá no início – Level 1. Em class filter, deixe como padrão (nome). Clique sobre o item com três pontinhos à frente de Threshold condition e irá abrir uma caixa de diálogo (Select Single Feature). Procure por Thematic atributes e expando-o. Clique sobre o item, Thematic object atribute e expando-o. Vá até Thematic Layer 1 (Ou nome criado por você) expando-o e depois dê um duplo clique sobre ele.

Será aberta uma nova caixa de diálogo ( Edit Thresold condition). Observe se no item feature se encontra o nome da coluna junto com o nome do layer temático. Logo abaixo você verá outro item com o nome Threshold settings, marque a opção de igual (=). Depois vá até a 46

caixa logo abaixo onde se encontra o valor zero e digite o nome do atributo que se queira destacar. Neste caso, utilizaremos o Comercial. Lembrando que o nome deve estar entre aspas (“Comercial”) e ser exatamente igual ao encontrado na coluna da tabela do arquivo vetor. Depois clique em Ok .

Em Parameter onde se encontra o item Use class, procure na lista pelo nome da classe criada (Comercial), selecione-a. Depois clique em Ok .

47

H – Execução dos procedimentos Agora execute os dois procedimentos criados no passo anterior. Clique com o botão direito sobre cada procedimento e clique em execute.

Aguarde o processamento para cada execução. Observe o resultado da classificação:

48

I – Exportação do Resultado 7. Exportando o resultado para um arquivo vetor. Vá ao item Export na barra de ferramentas e clique em Export Results. Será aberta uma janela de exportação do arquivo.

Nessa janela serão colocados os parâmetros para exportação do vetor. Em Export Type deixe o padrão Shape file. Em Content Type Coloque Polygon smothed. Em Format deixe Shapefile (*.shp). Em Level coloque Level 1. Em Export File Name digite um nome para o arquivo que será exportado. Neste caso será utilizado o nome Classification.

49

Na caixa Classes clique na parte inferior em Select classes e selecione as classes que deseja exportar, dando dois cliques sobre elas, ou selecionando todas de uma vez, clicando em ALL-> e depois clique em OK .


Agora clicará no nome Export e será aberta a janela do Explorer para que seja indicado o local de salvamento do arquivo. Neste caso, utilizaremos a pasta Dados_Ecognition dentro do 50

Disco C:. Depois é só selecionar a pasta e dá o OK. Será realizado o processo e então o arquivo estará salvo. Salve o projeto ao concluir.

8. Visualizando o resultado em outro software, abrir no QGIS 2.4 Chugiak para visualizar o arquivo vetor.

O resultado final vai está ligado às informações contidas no vetor. Podendo acontecer de este procedimento ser utilizado para outras análises mais complexas. Este procedimento poderíamos simplesmente executar em qualquer software, sem a necessidade de classificação. Mas o que há de importante neste procedimento é que poderemos executar outras segmentações e classificações, mas agora dividindo se queremos classificar apenas as áreas

51

comerciais ou residenciais por vez, sem ter que classificar a imagem como um todo. Veja no próximo passo.

J – Abertura do Projeto Criado 9. Executando processamento para região de interesse. Abra o projeto salvo no passo anterior. Abra o Ecognition depois vá ao ícone de abrir projeto e procure pelo arquivo salvo (o projeto). Neste caso está com o nome de tutorial2.

K – Inserção de level na árvore de processo 10. Agora para classificação com a filtragem da área de interesse, será necessário construir um novo Level . O qual neste caso será chamado de Analysis Level. Clique com o botão direito dentro do espaço vazio na caixa Process Tree e selecione Append New, na caixa de diálogo que se abre (Edit Process) em Name digite Analysys Level e deixe o restante com padrão e depois clique em OK.

52

11. Agora com a “base” criada vamos inserir o processo. O qual será o de segmentação e ao mesmo tempo criação do novo Level. Clique com o botão direito sobre a “base” Analysis Level e selecione Insert Child e em Algorithm selecione a opção multiresoluiton segmentation.

Em Image Object Domain selecione a opção image object level.

53

L – Parâmetros de Segmentação Definição dos parâmetros para execução da segmentação e criação do Level de análise. Em Level deixe como padrão. Em Class filter clique sobre os três pontinhos (...) e abrirá uma caixa de diálogo, selecione a classe de interesse (onde será executada a segmentação, ou seja, apenas as quadras que pertencerem a esta classe serão segmentadas). Neste caso foi usada a classe comercial.

54

Deixe o restante deste lado como padrão. Agora vá até o item Algorithm parameters e inseira os parâmetros a seguir. Na caixa Level Settings e em Level Usage selecione a opção Create Below e depois digite o nome Analysis Level em Level Name. Em Segemntation Settings e em Image Layers weights deixe o s valores de peso como padrão (1,1,1,1). Em Thematic Layer usage deixe como Yes caso já esteja, caso não selecione esta opção para usar a camada temática na classificação. Em Scale Parameter defina o valor de 20. Este definirá o tamanho dos segmentos a serem gerados, ou seja, quanto maior o valor adicionado maior será o tamanho do meu segmento definido. Em Composition of Homgeneity Criterion define-se os valores de parâmetros para forma (shape) para 0.3 e compacidade (Compactness) para 0.8. Depois clique em Ok.

Obs.: Lembrando que estes parâmetros introduzidos foram definidos a partir de tentativas e erros. E que se aplica a imagem GeoEye-1 em ambiente intra-urbano e com as condições atmosféricas e climáticas locais. Realizar tentativas de parâmetros diferentes, caso queira aplicar em outras imagens de outros satélites. Como já comentado.

55

M – Execução do Processamento 12. Agora clique com o botão direito e mande executar o processamento. Aguarde e visualize o resultado.

Observe que apenas as quadras que foram classificadas como comercial foram segmentadas na imagem, não precisando ter a imagem segmentada por completo. Isto poderia ser feito para a classe Residencial caso fosse desejado. Ou caso, queira aplicar diferentes segmentações para cada tipo de região. Neste caso Comercial e Residencial. 56

Você pode utilizar as ferramentas de zoom e de modo de visualização para modificar a forma de visualização da segmentação e observar como saiu o resultado da segmentação. Caso não seja satisfatório pode ser testados outros parâmetros que se adapte a imagem e a informação que se deseja extrair.

N – Novos Parâmetros e Nova Segmentação 13. Agora aplica uma nova segmentação sobre a segmentação já executada na tentativa de aprimorar os segmentos para a classificação. Neste momento, utilizaremos o Algoritmo Spectral Difference Segmentation onde ele unirá os segmentos a partir da diferença espectral definida como parâmetro. Clique com o botão direito sobre a “base” Analysis Level e escolha Insert Child (Como no passo anterior). Em Algorithm escolha Spectral Difference Segmentation.

57

Na caixa que é aberta coloque: Em Image Object Domain deixe como image obejct level. Em Level selecione Analysis Level, caso já não esteja inserido. Em Class filter deixe como padrão. Em Algorithm Parameters -> Level Settings -> Level Usage deixe Use Current. Em Segmentation Settings -> Maximum spectral difference coloque o valor 40. Deixe o restante como padrão. Depois dê OK .

Agora execute o processamento e aguarde o resultado para visualizar. Observe a diferença entre as duas imagens. Caso deseje pode ser aplicado outros valores.

58

O – Criação da “base” Classificação 14. Vamos inserir nossa “base” para classificação. Clique com o botão direito na parte vazia da caixa Process Tree clique em Append New e defina o nome Classification. E depois clica em OK .

Depois selecione classification dentro da caixa Process Tree e deixe-a no mesmo alinhamento da “base” segmentation. Isto impede que o processo seja executado dentro desta base, o que poderá acarretar problemas e desta maneira se torna um pouco mais organizado.

59

P – Criação das Classes para a Classificação 15. Por momento não utilizaremos a “base” classification. Criaremos as classes para a classificação. O importante neste momento é ter conhecimento do ambiente a que pretende se classificar. Pois é preciso indicar amostras de treinamento para cada classe. Na caixa Class Hierarchy clique com o botão direito e selecione Insert Class. Será aberta uma nova janela, defina o nome da classe e a cor desejada.

Repita esta mesma operação para todas as demais classes. Neste caso foi definida as seguintes: Água, Asfalto, Concreto, Pavimento Rua, Solo Exposto, Sombra, Telhado Cerâmica, Telhado Concreto, Telhado Metal, Vegetação Arbórea-Arbustiva, Vegetação Herbácea/Rasteira. Poderia se hierarquizar as classes, mas para o momento deixamos da forma como mostra a imagem. Neste caso, pode deixar as classes Comercial e Residencial na caixa Class Hierarchy. 60

Poderão ser salvas as classes criadas para que possam ser abertas em outro projeto que se deseje utilizar as mesmas. Clique com o botão direito do mouse sobre o nome classes e selecione Save Class Hierarchy , escolha o local para salvar (neste caso - C:Dados_Ecognition), escolha um nome (Classes) para o arquivo e clique em Salvar.

61

Q – Definição do Algoritmo Classificador 16. Agora iremos selecionar o algoritmo classificador para as classes. Será definido apenas um para todas as classes. Vá até a aba Classification na barra de ferramentas e procure por Nearest Neighbor, coloca o mouse sobre este e depois seleciona Apply Standard NN to Classes.

Aparecerá uma nova janela, clique sobre ALL ----> >, neste momento estará selecionando todas as classes para fazerem parte do classificador.

Caso deseje excluir ou incluir alguma classe em seu projeto, basta dar duplo clique sobre a classe de interesse. Neste caso faremos para as classes Residencial e Comercial, as quais não serão usadas nesta classificação.

62

R – Definição das Bandas a Serem Usadas na Classificação 16. Com o classificador definido para as classes, chegou o momento de apontar para o classificador, quais bandas da imagem ele utilizará no processo classificatório. Vá a caixa Class Hierarchy dê um duplo clique sobre qualquer classe, será aberta uma nova janela (Class Descrition), onde é possível observar o algoritmo de classificação ( Standard Nearest Neighbor (generated)) na caixa ALL. Dê um duplo clique sobre o nome do classificador, será aberta outra janela ( Edit Standard Nearest Neighbor Feature Space). Expanda clicando no “mais” de Object feature  Layer Values  Mean, agora clique sobre

as bandas que deseja que o classificador utilize no processo.

E depois é só clicar em OK, ele já estará disponível para todas as outras classes, caso queira conferir é só dar um clique duplo sobre outra classe e ver que as bandas estão designadas para o classificador. Só dar novamente um clique sobre o OK .

63

S – Coleta das Amostras de Treinamento 17. Agora é a hora de coletar as amostras de treinamento para a classificação. Sendo importante a coleta de amostras dispersas por toda a imagem para uma maior homogeneização de cada classe por toda a cena. No ecogniton ele o chama de sample . Primeiro selecione uma classe na caixa Class Hierarchy, depois vá à aba Classification na barra de ferramentas e procure por Samples coloque o mouse sobre e selecione a opção Select Samples.

Pronto, agora já pode coletar as amostras para a classe selecionada. Você precisará dá um duplo clique sobre cada segmento que servirá como amostra para cada classe. Depois de finalizar a primeira classe, basta mudar a seleção da classe na caixa Class Hierarchy e realizar a coleta para a classe selecionada no momento. Segue sucessivamente até a última classe está com suas amostras coletadas. Ao final, você terá uma imagem com as amostras (samples) destacadas, você pode definir como visualizar as samples.

64

Observe que as amostras já ficaram com a cor definida para a classe a qual foi indicada.

65

T – Inserção de Parâmetros de Classificação com Restrição 18. Agora vai se inserir os parâmetros para classificação. Clique o botão direito sobre a “base” Classification e escolha Insert Child, para inserção do processo. Será aberta uma nova janela (Edit Process ), vá para algorithm e procure por hierarchical classification dentro dos processos basic classification , e selecione-o.

Agora vamos inserir os parâmetros: Em Level deixe Analysis Level e em Class filter deixe como padrão. Em Threshold condition clique sobre os três pontinhos e será abera uma caixa de diálogo (Select Single Feature) procure e expanda Thematic attributes -> Thematic object attribute -> Thematic Layer 1 e clique sobre o nome atributos.

66

Será aberta uma nova caixa de diálogo ( Edit Thresold condition). Observe se no item feature se encontra o nome da coluna junto com o nome do layer temático. Logo abaixo você verá outro item com o nome Threshold settings, marque a opção de igual (=). Depois vá até a caixa logo abaixo onde se encontra o valor zero e digite o nome do atributo que se queira destacar. Neste caso, utilizaremos o Comercial. Lembrando que o nome deve estar entre aspas (“Comercial”) e ser exatamente igual ao encontrado na coluna da tabela do arquivo vetor. Depois clique em Ok .

De volta a caixa de diálogo Edit Process , vá até o item Active Classes e na coluna Valor clique sobre os três pontinhos ao lado do nome All será aberta a caixa de diálogo (Edit Classificatino Filter ). Observe que todas as classes estão marcadas, desmarque a opção Always use all classes e em seguida desmarque as classes Residencial e Comercial, e clique em Ok .

67

U – Execução do Procedimento Clique em Ok na caixa Edit Process. Posteriormente mande executar o processamento e aguarde pelo resultado. Observe o resultado da classificação. Foi possível classificar apenas a área de interesse (Comercial) sem que se expandisse para toda a imagem. Clique na opção View Classification na barra de ferramentas para visualizar a classificação. Nos ícones ao lado deste, você pode clicar para alternar a forma de visualização.

Para editar algum aspecto da classificação vá à aba Tools na barra de ferramentas e até Manual Editing e coloque o mouse sobre, abrirá algumas opções de edição dos polígonos e união deste, enfim você conseguirá executar alterações básicas.

68

Agora vamos unir os segmentos dentro de cada classe correspondente na classificação com a ferramenta Merge Region como visto em passos anteriores. A qual unirá os polígonos para cada classe. Este procedimento já foi realizado em passo anterior.

V – Visualização do Resultado com a Ferramenta Swipe View 19. Verificar o resultado da classificação com a ferramenta Swipe view. Vá ao item Windows na barra de ferramentas e seleciona Split .

Agora quando mover o mouse na área de visualização do layer, você verá duas linhas se cruzando no ponteiro do mouse. Clique centralizado na imagem. Neste momento você dividirá sua tela de visualização, em quatros telas menores. Sua tela deverá aparecer como na imagem abaixo:

69

Neste caso precisaremos utilizar apenas duas telas para utilizar a ferramenta swipe view. Vá ao item Windows novamente e desmarque uma das duas opções, entre Split Horizontally e Split Vertically. Caso desmarque a primeira opção, sua tela aparecerá lado a lado. Caso opte pela segunda sua tela aparecerá acima e abaixo. Neste vamos desmarcar Split Horizontally.

Veja como a tela fica na imagem abaixo:

70

Neste momento você estará com duas telas de visualização. Clique sobre a primeira e você verá uma borda azul, identificando em qual tela você está utilizando no momento. Então vamos mudar a visualização da primeira. Vá ao local onde ficam os itens de visualização de classificação e marque View Layer, neste momento você verá uma tela com a imagem e na outra com a classificação.

Agora vamos acionar a ferramenta Swipe View para que se possa verificar o resultado da classificação. Vá ao item Windows e procure por Swipe View , marque-a. Agora você poderá mover uma tela sobre a outra, movendo a barra central na direção que desejar para verificar o resultado.

71

Para desativar esta forma de visualização, basta ir ao item Windows e desmarcar o nome Split . A tela voltará para visualização completa.

X – Exportação dos Resultados 20. Agora vamos exportar os resultados, mas vamos fazer um procedimento diferente do anterior para exportar. Neste caso, usaremos o processo de exportação como um procedimento a ser integrado dentro das bases dos procedimentos anteriores. Vamos utilizar a base Clasification. Vá à base Classification clique com o botão direito e selecione Insert Child, na caixa de diálogo eu se abre (Edit Process), em Algorithm procure por export vector layer.

72

Na caixa Image Object Domain deixe como image object level, caso não esteja. Em Parameter e Valor deixe-o com padrão, observando apenas o item Level, caso se encontra no Analysis Level, pois este nível é onde se encontra a classificação anteriormente realizada e a qual deseja-se exportar. Já em Algorithm Parameters, vão ser inseridas as informações para exportação da classificação. Em Export mode selecione a opção Use explicit path.

Export path, Em substitua as informações existentes ({:Workspc.OutputRoot}\results\{:Item.Name}\{:Project.Name}.v{:Project.Ver}.{:Ext}) digitando o caminho onde será salvo a classificação, lembrando de ao final digitar o nome que será usado para o vetor . Neste Caso C:\Dados_Ecognition\ClassesComercial. Em Export series deixe como padrão.

Logo abaixo, no item Export Data e em Attribute table procure ao lado (Click to edit atribute table) e clique nos três pontinhos que aparece. Será aberta a caixa de diálogo Select Multiple Features. 73

Clique e expanda Class-Related features -> Relations to Classification -> Class name e dê um duplo clique sobre Create new ‘Class name’ será aberta uma nova caixa de diálogo (Create Classe name) dê apenas Ok.

Na caixa Select Multiple Features na aba Available surgirá o item com o nome Class name(0,0), dê um duplo clique sobre esse nome para seleciona-lo, isto fará com que o item passe para a aba Selected, estamos selecionando os nomes das classes para aparecerem na tabela de atributos do arquivo vetor, quando for exportado. Clique em Ok .

Na nova caixa que se abre clique em Ok novamente.

74

Agora em Shape Tipe selecione a opção Polygons. Pois tem-se classes em forma de polígono torna-se melhor a visualização, podendo preencher o interior com uma cor desejada e não apenas o contorno, como no caso de linhas (Lines). Em Export Type selecione a opção Smoothed. Pois este irá suavizar as bordas das classes, não deixando que suas margens fiquem idênticas as de um pixel (Quadriculada), deixando-as mais “arredondadas”.

Logo abaixo em Export format selecione a opção ShapFile (*.shp). formato mundialmente utilizado e aceito para vetores. Em Name of features class to export digite o mesmo nome (somente o nome final) que foi utilizado no item E xport path. Neste caso, ClassesComercial. Depois clique em Ok . E deois mande executar.

75

Esse procedimento pode ser mais oneroso que o anterior apresentado, mas é muito importante quando é necessário executar todos os processamentos de uma vez. Ou seja, quando precisar mandar executar em apenas uma base, os procedimentos de segmentação e classificação, já incluindo o de exportação.

W – Visualizando o Resultado 21. Visualizando o resultado em outro software, abrir no QGIS 2.4 Chugiak para visualizar o arquivo vetor.

76

UTILIZANDO INFORMAÇÕES ADICIONAIS NA INTERPRETAÇÃO Utilizando NDVI para auxiliar o processo de classificação

77

PARTE III A – Iniciando o Software 1. Vá ao menu iniciar -> todos os programas -> Trimble -> Ecognition -> clique para abrir o software (01). Será aberta uma janela (02), marque a janela Rule Set Mode (à direita) e depois clique em OK . OBS.: Realizado no Windows Seven.


Sua tela deverá aparecer da forma como a imagem acima, agora temos que ajustar manualmente as posições das abas. 78


B – Criação do Projeto 3. Criar o projeto para execução dos processos. Vá ao menu File, e procure por New Project , clique sobre. Será aberta uma nova janela, onde deve ser criado o projeto e inserido a imagem base para o trabalho. Agora vá ao local Imagem Layers Alias , ao lado direito tem um item “Insert ”, clique nele e procure pela imagem a ser trabalhada, no diretório, onde ela se encontra (No caso deste tutorial - C:Dados_Ecognition\Cena.tif ) ou onde você tenha salvo sua imagem para trabalho. Agora vá ao local Thematic Layer Alias , ao lado direito tem um item “Insert ”, clique nele e procure pela imagem a ser trabalhada, no diretório, onde ela se encontra (No caso deste tutorial - C:Dados_Ecognition\Quadras.shp) ou onde você tenha salvo seu arquivo vetor. No campo Project Name, renomeie para sua preferência (Neste caso, chamaremos de tutorial3A).

Agora vá a coluna Imagem Layers Alias e dê um duplo clique sobre os nomes Layer 1 (2,3,4,5) e na janela que se abre, substitua-os pelos respectivos nomes na faixa do visível do espectro e a imagem resultante do cálculo. Substituir: Layer 1 -> Blue; Layer 2 -> Green; Layer 3 -> Red; Layer 4 -> NIR. Depois clique em OK e seu projeto será iniciado.

79

C – Composição das Bandas Para melhor identificar as feições da imagem, o software permite que você mude a composição da imagem. Vá à barra de ferramentas e procure por Edit Image Layer Mixing, clique sobre e será aberta uma janela com o mesmo nome. Nesta janela você observará as camadas (bandas) existentes na imagem, na posição horizontal os layers e na vertical os canais RGB, onde podem ser marcadas e definidas as composições. Depois de escolher a melhor composição para visualização (neste caso será: 4 ->R / 3 ->G / 2 ->B). Deixe os parâmetros restantes como padrão (Equalizing -> Linear (1.00) e clique em OK .

80

Obs. Lembre-se de marcar os canais/bandas que se quer e depois desmarcar os canais/bandas que nãos serão utilizados. Pois se não o software entende que você quer utilizar todos que estejam marcados na composição. Neste momento, lembrar sempre de salvar o projeto constantemente. Basta clicar no item Save Project na barra de ferramentas.

D – Inserção da Árvores de Processos 6. Agora serão inseridos os processos a serem realizados na caixa Process Tree. Clica com o botão direito sobre o espaço em branco dentro da caixa, seleciona a opção Append New , surgirá uma nova janela para inserção dos parâmetros. O nome que será criado é Segmentation. Depois é só clicar em OK , não clique em execute.

81

D – Inserção de Processos e Parâmetros 7. Será inserido em forma de uma ligação de processo. Clique com o botão direito sobre o nome que foi criado (Segmentation) e seleciona a opção Insert Child. Vá ao item Algorithm e logo abaixo à direita tem uma seta, clique sobre ela e se abrirá os vários os processos disponíveis. Procure por multiresolution segmentation e selecione-o.


Agora define-se os parâmetros para o processo (Algoritmo) utilizado: Em Image Objet Domain ficará como padrão. 82

No item Level Settings , dá-se o nome desejado para o level (nível) de execução deste processo. Coloca-se neste caso Level 1. Em Segmentation Settings define três parâmetros, primeiro o peso para cada banda da imagem (Image Layer weights), o ideal é que o peso fique entre 0 a 1. Podem ser utilizados outros valores, caso deseje. Neste caso, utilizaremos os seguintes pesos Blue 0.5, Green 0.5, , NIR 1, Red 1.

OBS.: Lembrando que como, estamos utilizando o NDVI como parâmetro para seleção, então definimos com peso maior as bandas que são usadas no NDVI. Em Thematic Layer usage selecione YES, caso já não se encontre selecionado. Em Sacle parameter, defina o tamanho 20. Em Composition of Homgeneity Criterion define-se os valores de parâmetros para forma (shape) para 0.3 e compacidade (Compactness) para 0.8.

Mande executar e aguarde o processo concluir e veja o resultado da segmentação. Ao final sua tela deverá aparecer algo parecido com a imagem abaixo. 83

Você poderá manipular o zoom da sua imagem para verificar se os segmentos satisfazem a necessidade do seu trabalho.

E – Calculando o NDVI Agora vamos calcular e gerar o NDVI. Vá até a caixa de ferramentas Feature view, procure por Object features -> Customized -> dê um duplo clique sobre Create new ‘Arithmetic Feature’ . Será aberta uma janela, onde será colocada a fórmula para o cálculo do NDVI.

84

Agora na caixa Aritgmetic em Feature name, substitua o nome Arithmetic Feature 1 por NDVI.

Na caixa em branco será colocada a formula. Primeiro clique em floor, onde será adicionado a fórmula a expressão floor ().

Agora vamos inserir a primeira “razão”, a qual será NIR – RED que deve sem inserida entre os

parênteses. 85

Logo abaixo a direita do quadro branco existe uma caixa de diálogo. Procure e expanda Layer Values -> Mean -> depois selecione primeiro a banda NIR com um duplo clique , em seguida na caixa de expressões selecione o sinal de menos (-). Depois volte a Layer Values -> Mean -> e selecione a banda RED com um duplo clique.

Agora na caixa de expressão (onde está sendo inserida a formula) coloque o curso do mouse fora da expressão e dê um clique para indicar onde será inserida o restante da expressão. Clique sobre o sinal de divisão (/).

Em seguida clique em floor, onde será adicionado a fórmula à expressão floor () novamente. Agora vamos inserir a primeira “razão”, a qual será NIR + RED que deve sem inserida entre os

parênteses. Logo abaixo a direita do quadro branco existe uma caixa de diálogo. Procure e expanda Layer Values -> Mean -> depois selecione primeiro a banda NIR com um duplo clique , em seguida na caixa de expressões selecione o sinal de menos ( +). Depois volte a Layer Values -> Mean -> e selecione a banda RED com um duplo clique. Depois clique em Aplicar e em Ok. 86

Pronto! Está montada a expressão para cálculo do NDVI.

F – Rotulação de segmentos por valores do NDVI Será gerada uma seleção e rotulação dos segmentos a partir da expressão (NDVI) criada. Vá em Object features -> Customised -> Dê um duplo clique sobre o NDVI.

Vá até a caixa de ferramentas (aberta) Feature view no seu final você encontrará uma caixa para seleção, marque-a. Nos campos que estão os valores de 0, os mesmos serão substituídos pelos valores de interesse para seleção. Na caixa esquerda coloque 0.3 e na da direita 0.9. Observe que a 87

imagem gerada apresenta outra visualização para a seleção, onde os objetos que aparecem em verde e azul correspondem a valores dentro do intervalo definido. Sendo que os objetos em azuis, os valores estão próximos de 0.3 e os em verde estão próximos de 0.9.

Obs.: Estes valores foram selecionados por corresponderem pela faixa onde a vegetação melhor responde, quando se trata do NDVI. Você pode tentar outros intervalos. A classificação será realizada após o próximo passo, pois será apresentado o uso do NDVI produzido externamente.

G - Utilizando NDVI Produzido em Software Externo 1. O NDVI foi produzido no software QGIS 2.4, utilizando a calculadora de campo. Será utilizado a imagem NDVI como uma faixa dentro do software para geração das análises.

88

H - Adicionando a Imagem ndvi.tif ao Projeto 1. Vá ao menu iniciar -> todos os programas -> Trimble -> Ecognition -> clique para abrir o software (01). Será aberta uma janela (02), marque a janela Rule Set Mode (à direita) e depois clique em OK . OBS.: Realizado no Windows Seven.


Sua tela deverá aparecer da forma como a imagem acima, agora temos que ajustar manualmente as posições das abas.

89


3. Criar o projeto para execução dos processos. Vá ao menu File, e procure por New Project , clique sobre. Será aberta uma nova janela, onde deve ser criado o projeto e inserido a imagem base para o trabalho. Agora vá ao local Imagem Layers Alias , ao lado direito tem um item “Insert ”, clique nele e procure pela imagem a ser trabalhada, no diretório, onde ela se encontra (No caso deste tutorial - C:Dados_Ecognition\Cena.tif ) ou onde você tenha salvo sua imagem para trabalho. Volte ao local Imagem Layers Alias , ao lado direito tem um item “Insert ”, clique nele e procure pela imagem no diretório, ela se encontra (No caso deste tutorial C:Dados_Ecognition\ndvi.tif ) ou onde você tenha salvo sua imagem para trabalho. Agora vá ao local Thematic Layer Alias , ao lado direito tem um item “Insert ”, clique nele e procure pela imagem a ser trabalhada, no diretório, onde ela se encontra (No caso deste tutorial - C:Dados_Ecognition\Quadras.shp) ou onde você tenha salvo seu arquivo vetor. No campo Project Name, renomeie para sua preferência (Neste caso, chamaremos de tutorial3).

Agora vá a coluna Imagem Layers Alias e dê um duplo clique sobre os nomes Layer 1 (2,3,4,5) e na janela que se abre, substitua-os pelos respectivos nomes na faixa do visível do espectro e a imagem resultante do cálculo. Substituir: Layer 1 -> Blue; Layer 2 -> Green; Layer 3 -> Red; Layer 4 -> NIR; Layer 5 -> NDVI. Depois clique em OK e seu projeto será iniciado.

90

Para melhor identificar as feições da imagem, o software permite que você mude a composição da imagem. Vá à barra de ferramentas e procure por Edit Image Layer Mixing, clique sobre e será aberta uma janela com o mesmo nome. Nesta janela você observará as camadas (bandas) existentes na imagem, na posição horizontal os layers e na vertical os canais RGB, onde podem ser marcadas e definidas as composições. Depois de escolher a melhor composição para visualização (neste caso será: 4 ->R / 3 ->G / 2 ->B). Deixe os parâmetros restantes como padrão (Equalizing -> Linear (1.00)) e clique em OK .

91

Obs. Lembre de marcar os canais/bandas que se quer e depois desmarcar os canais/bandas que nãos serão utilizados. Pois se não o software entende que você quer utilizar todos que estejam marcados na composição. Neste momento, lembrar sempre de salvar o projeto constantemente. Basta clicar no item Save Project na barra de ferramentas.

I – Inserindo Árvore de Processo 6. Agora serão inseridos os processos a serem realizados na caixa Process Tree. Clica com o botão direito sobre o espaço em branco dentro da caixa, seleciona a opção Append New , surgirá uma nova janela para inserção dos parâmetros. O nome que será criado é Segmentation. Depois é só clicar em OK , não clique em execute.

92

7. Será inserido em forma de uma ligação de processo. Clique com o botão direito sobre o nome que foi criado (Segmentation) e seleciona a opção Insert Child. Vá ao item Algorithm e logo abaixo à direita tem uma seta, clique sobre ela e se abrirá os vários os processos disponíveis. Procure por multiresolution segmentation e selecione-o.


93

J – Inserção de Parâmetros Agora define-se os parâmetros para o processo (Algoritmo) utilizado: Em Image Objet Domain ficará como padrão. No item Level Settings , dá-se o nome desejado para o level (nível) de execução deste processo. Coloca-se neste caso Level 1. Em Segmentation Settings define três parâmetros, primeiro o peso para cada banda da imagem (Image Layer weights), o ideal é que o peso fique entre 0 a 1. Podem ser utilizados outros valores, caso deseje. Neste caso, utilizaremos os seguintes pesos Blue 0.5, Green 0.5, NDVI 1, NIR 1, Red 1.

OBS.: Lembrando que comos estamos utilizando o NDVI como parâmetro para seleção, então definimos com peso maior as bandas que são usadas no NDVI e a própria imagem NDVI. Em Thematic Layer usage selecione YES, caso já não se encontre selecionado. Em Sacle parameter, defina o tamanho 20. Em Composition of Homgeneity Criterion define-se os valores de parâmetros para forma (shape) para 0.3 e compacidade (Compactness) para 0.8.

Mande executar e aguarde o processo concluir e veja o resultado da segmentação. Ao final sua tela deverá aparecer algo parecido com a imagem abaixo.

94

Você poderá manipular o zoom da sua imagem para verificar se os segmentos satisfazem a necessidade do seu trabalho.

K – Identificação de Segmentos por Valores Agora faremos uma seleção para identificação dos segmentos (objetos) através de valores, neste caso, os valores correspondentes ao raster (iamgem) NDVI. Vá até a caixa de ferramentas (aberta) Feature view -> Clique e expanda a sequência Object features -> Layer Values -> Mean neste momento será aberta todos as camadas das imagens inseridas, procure por NDVI e dê um duplo clique.

95

Observe o resultado. Neste momento o software está fazendo uma leitura, levando em consideração apenas os valores do NDVI para identificar os objetos (segmentos) e rotulandoos. Dê zoom para melhor visualizar a seleção executada.

Observe que como o NDVI é um cálculo (imagem) para análise de vegetação, os objetos referentes a vegetação ficaram em destaque com a cor branca. Vamos realizar uma seleção específica de valores. Buscando destacar apenas a faixa que compreende a vegetação. Vá até a caixa de ferramentas (aberta) Feature view no seu final você encontrará uma caixa para seleção, marque-a. 96

Nos campos que estão os valores de 0, os mesmos serão substituídos pelos valores de interesse para seleção. Na caixa esquerda coloque 0.3 e na da direita 0.9. Observe que a imagem gerada apresenta outra visualização para a seleção, onde os objetos que aparecem em verde e azul correspondem a valores dentro do intervalo definido. Sendo que os objetos em azuis, os valores estão próximos de 0.3 e os em verde estão próximos de 0.9.

Obs.: Estes valores foram selecionados por corresponderem pela faixa onde a vegetação melhor responde quando se trata do NDVI. Você pode tentar outros intervalos. Dando um zoom para a área total, pode-se observar a classificação feita pela seleção definida.

97

L – Procedimento para Classificação O próximo passo classificação, tanto faz ser realizado no Projeto Tutorial3A ou Tutorial3, pois utiliza-se as informações as mesmas informações. Na caixa Class Hierarchy crie uma classe chamada Vegetação e defina uma cor, neste caso será utilizada a cor verde.

98

Crie uma base com o nome Classification. Botão direito do mouse e selecione Append New, dê o nome e em seguida clique sobre a base criada com o botão direito novamente e selecione Insert Child.

Agora selecione o Algoritimo de classificação na caixa Algorithm. Clique na seta e procure por assign class e selecione-a.

Agora vá até a opção Threshold condition clique no ícone com três pontinhos, neste momento será aberta uma nova janela (Select Single Feature). Vá até Object features -> Layer Values -> Mean expandindo-as. Agora procure por NDVI e dê um duplo clique. 99

Na caixa aberta (Edit threshold condition), deixe como padrão o item Feature (Mean NDVI). Em Threshold settings nos ‘sinais’ escolha a opção de igual ou maior que ( =>) e na caixa logo abaixo, digite 0.3. Neste momento estamos criando uma condição para classificação indicando que os valores que os segmentos com valor igual ou superior a 0.3 serão inclusos. Clique em OK para definir a condição.

Neste momento será inserida a segunda condição, para que se possa ter um kintervalo de classificação dos objetos (segmentos).

100

Agora vá até a opção Second condition clique no ícone com três pontinhos, neste momento será aberta uma nova janela (Select Single Feature). Vá até Object features -> Layer Values -> Mean expandindo-as. Agora procure por NDVI e dê um duplo clique.

Em Threshold settings nos ‘sinais’ escolha a opção de igual ou menor que ( <=) e na caixa logo abaixo, digite 0.9. Clique em OK para definir a condição.

Agora na caixa Algorithm parameter procure a linha Use class abaixo de Parameter na tabela, e logo ao lado abaixo de Value selecione a classe Vegetação criada em passo anterior. 101

M – Execução do Procedimento Clique em Execute e aguarde o resultado.

Após a execução clique sobre o ícone de visualização de classificação ( View Classification ).

Observe o resultado. Sua tela deve ficar parecida com a imagem abaixo.

102

Para melhor visualização desmarque o ícone de mostra ou oculta linha ( Show or Hide Outlines).

Observe o resultado da classificação da vegetação sobre a imagem. Utilize as ferramentas de zoom para verificar os resultado.

OBS.: Lembrando que este método pode ser aplicado para qualquer índice de vegetação que se deseja utilizar, contando que gere valores legíveis ao software. Bem como, razões entre bandas de interesse do intérprete, como também médias de bandas ou imagens que facilitem o processo de classificação. Pode-se observar que existe a possibilidade de gerar classificação com outros intervalos no NDVI, tendo a possibilidade de separar inúmeras situações da vegetação dentro dos limites do índice. Neste caso, utilizamos apenas para separar o que seria vegetação e o que não era. Pode-se utilizar da exportação desta classificação para que ela possa ser manipulada em forma de vetor em outro software para as diversas análises, como cálculo de áreas. Bem como pode ser inserida em um novo projeto como um Layer temático delimitador para segmentação.

103

N – Exportação do Resultado Vamos exportar a classificação para um arquivo vetor. Vá ao item Export na barra de ferramentas e clique em Export Results. Será aberta uma janela de exportação do arquivo. Nessa janela serão colocados os parâmetros para exportação do vetor. Em Export Type deixe o padrão Shapefile. Em Content Type Coloque Polygon smothed. Em Format deixe Shapefile (*.shp). Em Level coloque New level. Em Export File Name digite um nome para o arquivo que será exportado. Neste caso será utilizado o nome NDVI_vegetation.

Na caixa Classes clique na parte inferior em Select classes e selecione a classe que deseja exportar, dando dois cliques sobre ela. Clique em Ok .

104


Agora clicará no nome Export e será aberta a janela do Explorer para que seja indicado o local de salvamento do arquivo. Neste caso, utilizaremos a pasta Dados_Ecognition dentro do Disco C:. Depois é só selecionar a pasta e dá o OK. Será realizado o processo e então o arquivo estará salvo.

105

Salve o projeto ao concluir.

O – Visualização dos Resultados Visualizando o resultado em outro software, abrir no QGIS 2.4 Chugiak para visualizar o arquivo vetor.

106

Ecognition - Livro Final(1).pdf

Recommend Documents